Araştırma Makalesi
BibTex RIS Kaynak Göster

Estimation of Solar Radiation Value using Artificial Intelligence Networks

Yıl 2020, Ejosat Özel Sayı 2020 (ICCEES), 488 - 497, 05.10.2020
https://doi.org/10.31590/ejosat.822172

Öz

Energy need in our country and in the world is increasing day by day. Due to the limited use of fossil fuels to meet this need, the trend towards renewable energy sources has gradually increased. Solar energy, which is considered as an inexhaustible energy source among renewable energy sources, is the most widely used and studied energy source. In this study, solar radiation value has been modeled by using the data obtained from 10 kW small scale solar power plant established in Selçuklu Region of Konya province. While performing this model, the data recorded over a year from the solar power plant and the data obtained from the general directorate of meteorology were used. In this model, the solar radiation value is estimated by using the temperature value in a small scale solar power plant, the voltage and power values obtained from the PV panel. As a result of the modeling, it was seen that the modeling was performed with 86% accuracy.

Kaynakça

  • Kamil B. Varınca, Gamze Varank, “Rüzgar Kaynaklı Enerji Üretim Sistemlerinde Çevresel Etkilerin Değerlendirilmesi ve Çözüm Önerileri”, Yeni ve Yenilenebilir Enerji Kaynakları / Enerji Yönetimi Sempozyumu, pp. 367-376, 2005
  • 2010 Survey of Energy Resources World Energy Council https://www.worldenergy.org/wp-content/uploads/2012/09/ser_2010_report_1.pdf
  • Çanka Kılıç, F. (2015). GÜNEŞ ENERJİSİ, TÜRKİYE’DEKİ SON DURUMU VE ÜRETİM TEKNOLOJİLERİ. Engineer & the Machinery Magazine, (671).
  • Enerji ve Tabii Kaynaklar Bakanlığı. 2015. MİLGES, MİLHES, MİLKANAT ve (YGDA) Sistemi Geliştirilmesi Projeleri, 7.5.2015
  • Öztürk,H.H,2012, “Güneş Enerjisi ve Uygulamaları”,Adana, Birsen Yayınevi
  • Çolak, İ., Bayındır, R., Demirtaş, M., “Türkiye’nin Enerji Geleceği”, TUBAV Academic Press, Volume No:1, Issue:2, Page:36-44, (2008)
  • Türkiye Cumhuriyeti Enerji ve Tabii kaynaklar Bakanlığı http://www.enerji.gov.tr/tr-TR/Sayfalar/Gunes, 20 Ekim 2018
  • Dünya Enerji Konseyi Türk Milli Komitesi, https://www.dunyaenerji.org.tr/yenilenebilir-enerjiler-2018-kuresel-durum-raporu/,18 Aralık 2018
  • Uluslararası yenilenebilir enerji ajansı (The International Renewable Energy Agency (IRENA)) https://www.irena.org/
  • Izgi, E., Öztopal, A., Yerli, B., Kaymak, M. K., & Şahin, A. D. (2012). Short–mid-term solar power prediction by using artificial neural networks. Solar Energy, 86(2), 725-733.
  • Yadav, A. K., & Chandel, S. S. (2014). Solar radiation prediction using Artificial Neural Network techniques: A review. Renewable and sustainable energy reviews, 33, 772-781.
  • Ramli, M. A., & Bouchekara, H. R. (2018). Estimation of solar radiation on PV panel surface with optimum tilt angle using vortex search algorithm. IET Renewable Power Generation, 12(10), 1138-1145.
  • Koca, A., Oztop, H. F., Varol, Y., & Koca, G. O. (2011). Estimation of solar radiation using artificial neural networks with different input parameters for Mediterranean region of Anatolia in Turkey. Expert Systems with Applications, 38(7), 8756-8762.
  • ÖZKİŞİ, H., & TOPALOĞLU, M. (2017). Fotovoltaik Hücrenin Verimliliğinin Yapay Sinir Ağı İle Tahmini. Bilişim Teknolojileri Dergisi, 10(3), 247-253.
  • Amrouche, B., & Le Pivert, X. (2014). Artificial neural network based daily local forecasting for global solar radiation. Applied energy, 130, 333-341.
  • Kalogirou, S. A. (2001). Artificial neural networks in renewable energy systems applications: a review. Renewable and sustainable energy reviews, 5(4), 373-401.
  • Chen, S. X., Gooi, H. B., & Wang, M. Q. (2013). Solar radiation forecast based on fuzzy logic and neural networks. Renewable Energy, 60, 195-201.
  • Youssef, A., El-Telbany, M., & Zekry, A. (2017). The role of artificial intelligence in photo-voltaic systems design and control: A review. Renewable and Sustainable Energy Reviews, 78, 72-79.
  • Mandal, P., Madhira, S. T. S., Meng, J., & Pineda, R. L. (2012). Forecasting power output of solar photovoltaic system using wavelet transform and artificial intelligence techniques. Procedia Computer Science, 12, 332-337.
  • Qazi, A., Fayaz, H., Wadi, A., Raj, R. G., Rahim, N. A., & Khan, W. A. (2015). The artificial neural network for solar radiation prediction and designing solar systems: a systematic literature review. Journal of cleaner production, 104, 1-12.
  • Sanjaya Kumar Sahu, Nagendra Tripathi and Supriya Tripathi, A Model Driven Optimization Approach to Determine Tilt Angle of Solar Collector in India, International Journal of Advanced Research in Engineering and Technology, 10(2), 2019, pp. 431-448.
  • Öztürk,H.H,2012, “Güneş Enerjisi ve Uygulamaları”,Adana, Birsen Yayınevi
  • Güney Marmara Kalkınma Ajansı,2009 https://www.gmka.gov.tr/
  • The National Renewable Energy Laboratory https://www.nrel.gov/pv/assets/pdfs/pv-efficiencies-07-17-2018.pdf
  • Enerji ve Tabi Kaynaklar Bakanlığı, Yenilenebilir Enerji Genel Mudürlüğü http://www.eie.gov.tr/teknoloji/CSP_tek_nedir.aspx T.C
  • Haouari-Merbah, M., Belhamel, M., Tobias, I., Ruiz, J. M. 2005. “Extraction and Analysis of Solar Cell Parameters From the Illuminated Current–voltage Curve”, Solar Energy Materials and Solar Cells, Vol.87, Mayıs 2005, pp. 225-233.
  • PV Panel Güçleri, http://www.altungroup.com/Kataloglar/Bisol_mono_solar_paneller.pdf, 20 Ekim 2018
  • Terzioglu, H., Kazan, F. A., & Arslan, M. (2015, April). A New Approach to the Installation of Solar Panels. In Information Science and Control Engineering (ICISCE), 2015 2nd International Conference on (pp. 573-577). IEEE..

Yapay Zeka Ağları Kullanılarak Güneş Radyasyonu Değerinin Tahmini

Yıl 2020, Ejosat Özel Sayı 2020 (ICCEES), 488 - 497, 05.10.2020
https://doi.org/10.31590/ejosat.822172

Öz

Ülkemizde ve dünyada enerji ihtiyacı her geçen gün artmaktadır. Bu ihtiyacı karşılamak için fosil yakıtların sınırlı kullanımı nedeniyle, yenilenebilir enerji kaynaklarına yönelik eğilim giderek artmıştır. Yenilenebilir enerji kaynakları arasında tükenmez bir enerji kaynağı olarak kabul edilen güneş enerjisi, en çok kullanılan ve üzerinde çalışılan enerji kaynağıdır. Bu çalışmada güneş ışınım değeri, Konya ili Selçuklu Bölgesinde kurulu 10 kW'lık küçük ölçekli güneş enerjisi santralinden elde edilen veriler kullanılarak modellenmiştir. Bu model gerçekleştirilirken güneş santralinden bir yıl boyunca kaydedilen veriler ve meteoroloji genel müdürlüğünden alınan veriler kullanılmıştır. Bu modelde güneş radyasyon değeri, küçük ölçekli bir güneş enerjisi santralindeki sıcaklık değeri, PV panelden elde edilen voltaj ve güç değerleri kullanılarak tahmin edilmektedir. Modelleme sonucunda modellemenin% 86 doğrulukla yapıldığı görülmüştür.

Kaynakça

  • Kamil B. Varınca, Gamze Varank, “Rüzgar Kaynaklı Enerji Üretim Sistemlerinde Çevresel Etkilerin Değerlendirilmesi ve Çözüm Önerileri”, Yeni ve Yenilenebilir Enerji Kaynakları / Enerji Yönetimi Sempozyumu, pp. 367-376, 2005
  • 2010 Survey of Energy Resources World Energy Council https://www.worldenergy.org/wp-content/uploads/2012/09/ser_2010_report_1.pdf
  • Çanka Kılıç, F. (2015). GÜNEŞ ENERJİSİ, TÜRKİYE’DEKİ SON DURUMU VE ÜRETİM TEKNOLOJİLERİ. Engineer & the Machinery Magazine, (671).
  • Enerji ve Tabii Kaynaklar Bakanlığı. 2015. MİLGES, MİLHES, MİLKANAT ve (YGDA) Sistemi Geliştirilmesi Projeleri, 7.5.2015
  • Öztürk,H.H,2012, “Güneş Enerjisi ve Uygulamaları”,Adana, Birsen Yayınevi
  • Çolak, İ., Bayındır, R., Demirtaş, M., “Türkiye’nin Enerji Geleceği”, TUBAV Academic Press, Volume No:1, Issue:2, Page:36-44, (2008)
  • Türkiye Cumhuriyeti Enerji ve Tabii kaynaklar Bakanlığı http://www.enerji.gov.tr/tr-TR/Sayfalar/Gunes, 20 Ekim 2018
  • Dünya Enerji Konseyi Türk Milli Komitesi, https://www.dunyaenerji.org.tr/yenilenebilir-enerjiler-2018-kuresel-durum-raporu/,18 Aralık 2018
  • Uluslararası yenilenebilir enerji ajansı (The International Renewable Energy Agency (IRENA)) https://www.irena.org/
  • Izgi, E., Öztopal, A., Yerli, B., Kaymak, M. K., & Şahin, A. D. (2012). Short–mid-term solar power prediction by using artificial neural networks. Solar Energy, 86(2), 725-733.
  • Yadav, A. K., & Chandel, S. S. (2014). Solar radiation prediction using Artificial Neural Network techniques: A review. Renewable and sustainable energy reviews, 33, 772-781.
  • Ramli, M. A., & Bouchekara, H. R. (2018). Estimation of solar radiation on PV panel surface with optimum tilt angle using vortex search algorithm. IET Renewable Power Generation, 12(10), 1138-1145.
  • Koca, A., Oztop, H. F., Varol, Y., & Koca, G. O. (2011). Estimation of solar radiation using artificial neural networks with different input parameters for Mediterranean region of Anatolia in Turkey. Expert Systems with Applications, 38(7), 8756-8762.
  • ÖZKİŞİ, H., & TOPALOĞLU, M. (2017). Fotovoltaik Hücrenin Verimliliğinin Yapay Sinir Ağı İle Tahmini. Bilişim Teknolojileri Dergisi, 10(3), 247-253.
  • Amrouche, B., & Le Pivert, X. (2014). Artificial neural network based daily local forecasting for global solar radiation. Applied energy, 130, 333-341.
  • Kalogirou, S. A. (2001). Artificial neural networks in renewable energy systems applications: a review. Renewable and sustainable energy reviews, 5(4), 373-401.
  • Chen, S. X., Gooi, H. B., & Wang, M. Q. (2013). Solar radiation forecast based on fuzzy logic and neural networks. Renewable Energy, 60, 195-201.
  • Youssef, A., El-Telbany, M., & Zekry, A. (2017). The role of artificial intelligence in photo-voltaic systems design and control: A review. Renewable and Sustainable Energy Reviews, 78, 72-79.
  • Mandal, P., Madhira, S. T. S., Meng, J., & Pineda, R. L. (2012). Forecasting power output of solar photovoltaic system using wavelet transform and artificial intelligence techniques. Procedia Computer Science, 12, 332-337.
  • Qazi, A., Fayaz, H., Wadi, A., Raj, R. G., Rahim, N. A., & Khan, W. A. (2015). The artificial neural network for solar radiation prediction and designing solar systems: a systematic literature review. Journal of cleaner production, 104, 1-12.
  • Sanjaya Kumar Sahu, Nagendra Tripathi and Supriya Tripathi, A Model Driven Optimization Approach to Determine Tilt Angle of Solar Collector in India, International Journal of Advanced Research in Engineering and Technology, 10(2), 2019, pp. 431-448.
  • Öztürk,H.H,2012, “Güneş Enerjisi ve Uygulamaları”,Adana, Birsen Yayınevi
  • Güney Marmara Kalkınma Ajansı,2009 https://www.gmka.gov.tr/
  • The National Renewable Energy Laboratory https://www.nrel.gov/pv/assets/pdfs/pv-efficiencies-07-17-2018.pdf
  • Enerji ve Tabi Kaynaklar Bakanlığı, Yenilenebilir Enerji Genel Mudürlüğü http://www.eie.gov.tr/teknoloji/CSP_tek_nedir.aspx T.C
  • Haouari-Merbah, M., Belhamel, M., Tobias, I., Ruiz, J. M. 2005. “Extraction and Analysis of Solar Cell Parameters From the Illuminated Current–voltage Curve”, Solar Energy Materials and Solar Cells, Vol.87, Mayıs 2005, pp. 225-233.
  • PV Panel Güçleri, http://www.altungroup.com/Kataloglar/Bisol_mono_solar_paneller.pdf, 20 Ekim 2018
  • Terzioglu, H., Kazan, F. A., & Arslan, M. (2015, April). A New Approach to the Installation of Solar Panels. In Information Science and Control Engineering (ICISCE), 2015 2nd International Conference on (pp. 573-577). IEEE..
Toplam 28 adet kaynakça vardır.

Ayrıntılar

Birincil Dil İngilizce
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Mustafa Arslan 0000-0001-7729-2687

Hakan Terzioğlu 0000-0001-5928-8457

Yayımlanma Tarihi 5 Ekim 2020
Yayımlandığı Sayı Yıl 2020 Ejosat Özel Sayı 2020 (ICCEES)

Kaynak Göster

APA Arslan, M., & Terzioğlu, H. (2020). Estimation of Solar Radiation Value using Artificial Intelligence Networks. Avrupa Bilim Ve Teknoloji Dergisi488-497. https://doi.org/10.31590/ejosat.822172